Czy mózg leniwieje przez AI?

Ludzki mózg jest jednym z najbardziej energochłonnych organów – zużywa około 20% energii całego organizmu. Nic dziwnego, że stale dąży do optymalizacji. Jednym z mechanizmów tej optymalizacji jest tzw. przycinanie synaptyczne (synaptic pruning), czyli eliminowanie rzadko używanych połączeń neuronalnych.

Badania nad neuroplastycznością pokazują, że jeśli przez kilka tygodni nie angażujemy określonych funkcji poznawczych – takich jak pamięć robocza, analiza czy kreatywne rozwiązywanie problemów – odpowiedzialne za nie struktury mózgu mogą ulec osłabieniu. W niektórych przypadkach pierwsze zauważalne zmiany pojawiają się już po kilku tygodniach ograniczonego używania danej umiejętności.

Nie oznacza to oczywiście trwałej utraty zdolności. Mózg pozostaje plastyczny przez całe życie. Jednak powrót do wcześniejszej sprawności wymaga ponownego wysiłku – często większego, niż gdybyśmy utrzymywali aktywność na bieżąco.

Sztuczna inteligencja działa jak niezwykle skuteczny skrót poznawczy. Potrafi pisać teksty, analizować dane, generować pomysły i rozwiązywać problemy. To ogromne wsparcie - pod warunkiem, że nie zastępuje całkowicie naszego własnego myślenia.

Problem pojawia się wtedy, gdy AI przejmuje procesy, które wcześniej wykonywaliśmy samodzielnie:

• analizę informacji,
• syntezę wniosków,
• formułowanie argumentów,
• kreatywne łączenie idei.

W takiej sytuacji mózg przestaje trenować te funkcje. Zamiast tego uczy się czegoś innego: jak szybko delegować zadania. To również jest umiejętność – ale jednak inna niż pełne, samodzielne myślenie.

Nie. AI nie jest zagrożeniem samym w sobie – podobnie jak kalkulator nie zniszczył matematyki. Problemem jest sposób używania.

Historia technologii pokazuje, że każde narzędzie zmienia nasze kompetencje:

• GPS osłabił zdolności orientacji przestrzennej,
• wyszukiwarki zmieniły sposób zapamiętywania informacji,
• smartfony skróciły czas koncentracji.

AI jest po prostu kolejnym krokiem – znacznie bardziej zaawansowanym.

Kluczowe staje się więc nie unikanie technologii, lecz wypracowanie zasad jej używania. Można je traktować jako formę „higieny mózgu”.

1. Zasada pierwszego wysiłku
Zanim poprosisz AI o rozwiązanie, spróbuj znaleźć je samodzielnie. Nawet kilka minut własnego myślenia aktywuje kluczowe obszary mózgu.

2. AI jako nauczyciel, nie wykonawca
Zamiast prosić o gotowe odpowiedzi, pytaj o wskazówki, wyjaśnienia, alternatywy i kontekst. W ten sposób angażujesz pełen proces uczenia się, a nie tylko odbioru.

3. Trening poznawczy poza ekranem
Czytanie książek, nauka języków, dyskusje, pisanie ręczne czy rozwiązywanie problemów bez wsparcia technologii – to wszystko wzmacnia połączenia neuronalne.

4. Świadome ograniczenia
Warto wyznaczyć obszary, w których celowo nie korzystasz z AI – np. pisanie ważnych tekstów, planowanie czy podejmowanie decyzji.

Równowaga zamiast skrajności
Celem nie jest powrót do przeszłości, lecz mądre połączenie możliwości technologii z

Najbardziej produktywny model relacji człowieka z AI to współpraca. Człowiek wnosi kontekst, intuicję i wartości, a AI - szybkość, skalę przetwarzania i poszerza zasób wiedzy. Do takiego współpracownika, warto mieć jednak dystans - jest pracowity, szybki i silny, ma szerokie horyzonty, ale bywa omylny i lubi mijać się z prawdą.

Mózg musi pozostać aktywny. Jeśli przestaniemy używać pewnych funkcji poznawczych, rzeczywiście zaczną one słabnąć - czasem szybciej, niż się spodziewamy. Ale jeśli będziemy je regularnie angażować, technologia może stać się wzmacniaczem naszego potencjału i nie robić nam krzywdy.

Ostatecznie to nasze nawyki decydują o kondycji naszego umysłu.

Ze świadomością tych uwarunkowań projektujemy proces nauki. W Aivola stawiamy na współpracę między uczniami, bo interakcja i wymiana myśli naturalnie aktywują procesy poznawcze. Zwracamy też dużą uwagę na higienę cyfrową - uczymy, kiedy warto sięgnąć po technologię, a kiedy lepiej oprzeć się na własnym myśleniu. 

Sztuczną inteligencję traktujemy jako narzędzie wspierające rozwój, dlatego uczymy jej umiarkowanego, celowego używania - tak, aby wzmacniała umiejętności i możliwości uczniów, zamiast je zastępować.

1. Holtmaat, A., Svoboda, K. (2009). Experience-dependent structural synaptic plasticity in the mammalian brain. Nature Reviews Neuroscience.
   https://www.nature.com/articles/nrn2699
2. Zuo, Y. et al. (2005). Development of long-term dendritic spine stability in diverse regions of cerebral cortex. Neuron.
   https://www.cell.com/neuron/fulltext/S0896-6273(05)00745-5
3. Riccomagno, M. M., Kolodkin, A. L. (2015). Sculpting neural circuits by axon and dendrite pruning. Annual Review of Cell and Developmental Biology.
   https://www.annualreviews.org/doi/10.1146/annurev-cellbio-100913-013038
4. Neniskyte, U., Gross, C. T. (2017). Errant gardeners: glial-cell-dependent synaptic pruning and neurodevelopmental disorders. Nature Reviews Neuroscience.
   https://www.nature.com/articles/nrn.2017.110
5. Trachtenberg, J. T. et al. (2002). Long-term in vivo imaging of experience-dependent synaptic plasticity in adult cortex. Nature.
   https://www.nature.com/articles/nature01273
6. Thomas, A. G. et al. (2016). Multi-modal characterization of rapid anterior hippocampal volume increase associated with aerobic exercise. NeuroImage.
   https://www.sciencedirect.com/science/article/pii/S1053811916303580
7. Draganski, B. et al. (2004). Neuroplasticity: changes in grey matter induced by training. Nature.
   https://www.nature.com/articles/427311a
8. Kandel, E. R. et al. (2021). Principles of Neural Science (6th ed.). McGraw-Hill.